TI蜗杆传动齿面接触误差的计算与分析

采用CAD三维造型技术与数值计算相结合的方法计算分析了各种加工误差及装配误差对TI蜗杆传动齿面接触的影响。其结果对有效提高TI蜗杆副的制造精度有指导意义。     

基于随动控制的蜗杆检测系统设计

提出一种基于随动预定位技术的环面蜗杆检测方法,通过建立蜗杆运动与测头运动的对应关系的理论模型,以每个采样点测量的蜗杆实际运动坐标映射下一采样点的测头坐标,再采用时间细分技术的高精度运动控制将测头提前定位到下一采样点,从而实现环面蜗杆加工误差的在线随动测量、特定喉部半径下的实际空间螺旋线测量。通过不同喉部半径下的多条螺旋线构建出环面蜗杆的实际轮廓面形,再与理论模型比对后获得相应的加工误差,根据这种方法设计了上、下位机组成的检测系统。     

点接触蜗杆传动的齿面接触分析方法

蜗杆传动副接触区的予控是提高蜗杆传动副传动质量的重要手段。本文提出用已知齿面接触点邻域内的曲面三阶表示来求解新的接触点,进而分析接触区二阶参数的方法,可对点接触蜗杆传动副的接触情况进行精确分析,从而实现对蜗杆传动副接触区的予控。本文的方法还可用来分析优化齿面的曲率修正参数,以及误差作用下的齿面接触情况。     

蜗杆传动啮合原理中超越方程组的数值解法

本文在分析了刀具与蜗杆、蜗杆与蜗轮的接触点变参数并讨论了各参数之间的关系及其取值区间的确定方法之后,给出了用二分法解蜗秆传动啮合原理中超越方程组的方法,从而解决了齿轮啮合原理数值计算中的一个难点,为啮合原理效值分析提供了一个有力的工具。     

基于陷阱网络的病毒捕获系统研究与应用

在分析蠕虫病毒技术及Honeynet技术的基础上,借鉴Honeynet中诱捕黑客的思想,提出一种实现自动捕获蠕虫病毒并具有自动更新特征代码库的防御系统,最后给出了具体实现方案。     

基于多测度约束的快速蠕虫传播源定位算法研究

近年来频繁爆发的大规模网络蠕虫对Internet的整体安全构成了巨大的威胁，已经造成了巨额的经济损失，新的变种仍在不断出现。目前对于蠕虫的监测与响应都是事后与人工的。本文提出了一种新的基于模式发现的多测度蠕虫快速定位方法，通过源地址活跃度、目标地址离散度和响应度准则等多个测度对监测目标网络已知和未知蠕虫的活动进行快速定位。基于本文的方法在应用中能以较低的资源代价发现未知的蠕虫传播并进行快速源定位。此外为提高算法的效率，本文研究了一种基于双页表结构的攻击树构建方法。     

网络蠕虫的检测机制研究

随着网络蠕虫传播时所采用的扫描策略的发展,网络蠕虫的检测、防御和阻断技术也在不断的发展。对几种较为常用的网络蠕虫检测防御技术进行了比较,分析了他们的优点与不足。同时对四种不常用但有创新意义的检测技术进行了简要介绍。最后,重点对Billy Goat检测机制进行了详细的论述,通过对Billy Goat系统的分析,为网络蠕虫检测技术的准确性和高效性提供了思路。     

齿轮传动与蜗轮蜗杆传动性能比较与消隙机构

就齿轮传动和蜗轮蜗杆传动2种方式进行较为详细的分析和比较,并计算了同一精度等级的齿轮副和蜗轮蜗杆副的传动副精度,结果显示由于传动形式不同使得蜗轮蜗杆传动副的综合误差要略低于齿轮传动副的综合误差。最后介绍了几种常用的消隙方式并进行比较。     

NUM1060HG数控系统在蜗杆砂轮磨齿机上的应用

蜗杆砂轮磨齿机YK7236用于成批生产中磨削直齿和螺旋齿、圆柱轮，也可以磨削鼓形齿和锥齿等齿向修形齿轮。本机床工作原理和滚齿机相似，即用蜗杆砂轮与齿轮(工件)连续展成啮合原理来磨削。机床可采用位移磨削方法和普通磨削方法以适应高效磨削和精密磨削。该机床充分利用了NUM1060HG数控系统)开放的环境，使用MMI工具开发软件，制作了适合于蜗杆砂轮磨齿机磨削工艺的友好的人机对话界面，使得机床用户更加容易操作。     

A method for predicting hobbing tool wear based on CNC real-time monitoring data and deep learning

Intelligent monitoring and diagnosis of tool status are of great significance for improving the manufacturing efficiency and accuracy of the workpiece. It is difficult to quickly and accurately predict the wear state of worm gear hob under different working conditions. This paper proposes a novel approach to predict hob wear status based on CNC real-time monitoring data. Based on the open platform communication unified architecture (OPC UA) technology and orthogonal test, the machine data of motor power, current, etc. related to tool wear are collected online in the worm gear machining process. And then, an improved deep belief network (DBN) is used to generate a tool wear model by training data. A growing DBN with transfer learning is introduced to automatically decide its best model structure, which can accelerate its learning process, improve training efficiency and model performance. The experiment results show that the proposed method can effectively predict hob wear status under multi-cutting conditions. To show the advantages of the proposed approach, the performance of the DBN is compared with the traditional back propagation neural network (BP) method in terms of the mean-squared error (MSE). The compared results show that this tool wear prediction method has better prediction accuracy than the traditional BP method during worm gear hobbing.